买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于互补数据增强的多模态行人重识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120236301B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510703178.0，技术领域涉及：G06V40/10；该发明授权一种基于互补数据增强的多模态行人重识别方法是由杨曦;殷采薇;董文娇;程德;王楠楠;高新波设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本一种基于互补数据增强的多模态行人重识别方法在说明书摘要公布了：本发明涉及一种基于互补数据增强的多模态行人重识别方法，包括：对初始模态图像数据进行双颜色空间数据增强，得到初始模态增强图像；利用训练好的特征提取模块从初始模态增强图像中提取初始模态图像特征；当初始模态图像数据包括RGB图像、TI图像、NI图像中的一种或两种时，基于初始模态图像特征，利用训练好的模态重建模块中不同的模态重构器生成缺失模态的预测特征，得到多模态图像特征；当初始模态图像数据包括RGB图像、TI图像、NI图像中的三种时，由初始模态图像特征构成多模态图像特征；将多模态图像特征中同一身份和同一样本的类别标记连接得到正样本，得到行人重识别结果。该方法提高了行人重识别的响应速度和检索准确率。

本发明授权一种基于互补数据增强的多模态行人重识别方法在权利要求书中公布了：1.一种基于互补数据增强的多模态行人重识别方法，其特征在于，包括步骤： 对初始模态图像数据进行图像块旋转，得到初始模态图像的旋转图像，包括：针对所述初始模态图像数据中同一身份和同一样本的图像，初始化概率；当概率小于或等于预设数值时，保留所述同一身份和同一样本的图像；当概率大于预设数值时，随机初始化图像块的位置和尺寸，并根据所述图像块的位置和尺寸从每个模态图像的相同位置分别切割出图像块，然后对不同模态的图像块进行循环替换，得到每个初始模态图像的旋转图像；其中，所述初始模态图像数据包括RGB图像、TI图像、NI图像中的至少一种； 对所述初始模态图像的旋转图像进行双颜色空间数据增强，得到初始模态增强图像； 利用训练好的特征提取模块从所述初始模态增强图像中提取全局语义信息和局部细节信息，得到初始模态图像特征； 当所述初始模态图像数据包括RGB图像、TI图像、NI图像中的一种或两种时，基于所述初始模态图像特征，利用训练好的模态重建模块中不同的模态重构器生成缺失模态的预测特征，得到多模态图像特征；所述模态重建模块包括由RGB模态图像特征生成TI模态图像特征的第一模态重构器、由RGB模态图像特征生成NI模态图像特征的第二模态重构器、由TI模态图像特征生成RGB模态图像特征的第三模态重构器、由TI模态图像特征生成NI模态图像特征的第四模态重构器、由NI模态图像特征生成RGB模态图像特征的第五模态重构器以及由NI模态图像特征生成TI模态图像特征的第六模态重构器； 所述第一模态重构器、所述第二模态重构器、所述第三模态重构器、所述第四模态重构器、所述第五模态重构器、所述第六模态重构器的结构相同，均包括：第一层归一化层，用于对输入的初始模态图像特征进行层归一化处理，得到第一层归一化特征；多头自注意力模块，用于使用多头自注意力机制对所述第一层归一化特征进行处理，得到多头自注意力输出特征；第一残差融合模块，用于将输入的初始模态图像特征与所述多头自注意力输出特征相加融合，得到融合特征；第二层归一化层，用于对所述融合特征进行层归一化处理，得到第二层归一化特征；多层感知机，用于根据所述第二层归一化特征生成初步重建特征；第二残差融合模块，用于将所述融合特征与所述初步重建特征相加融合，得到缺失模态的预测特征； 当所述初始模态图像数据包括RGB图像、TI图像、NI图像中的三种时，由所述初始模态图像特征构成多模态图像特征； 将所述多模态图像特征中同一身份和同一样本的类别标记连接得到正样本，得到行人重识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。